Roboterdemonstrationsdaten Qualitätskontrolle
Wie Sie sicherstellen können, dass Ihre Roboterdemonstrationsdaten sauber, nützlich und mit modernen Lernleitungen kompatibel sind.
Warum Datenqualität Datenmenge übertrifft
Ein Datensatz von 1.000 hochwertigen, vielfältigen Demonstrationen übertrifft oft 10.000 laute. Qualitätsprobleme
Die 15-Punkte-Qualitätsprüfung
Diese Kontrollen sollten Sie auf jede Menge gesammelten Episoden anwenden, bevor Sie sie Ihrem Trainingssatz hinzufügen.
- Sensorzeitstempeln innerhalb von 10 ms synchronisiert
- Keine abgefallenen Kamerarahmen (Siehe die Anzahl der Rahmen vs. Dauer)
- Aktionswerte innerhalb der physikalischen Gelenkgrenzen
- Keine Aktionsunterbrechungen >2σ von der mittleren Schrittgröße
- Erfolgs-/Niederlageetiketten, die von einem zweiten Prüfer überprüft wurden
- Aufgabe innerhalb der erwarteten Dauergrenzen abgeschlossen
- Keine Selbstkorrektur des Betreibers im Enddatensatz
- Kamera nicht während kritischer Phasen abgeschaltet
- Eigene Empfindung entspricht befohlenen Handlungen
- Greifer-Zustandübergangs in den richtigen Momenten
- Keine doppelten Episoden
- Vollständige Metadatenfelder (Task-ID, Betreiber, Datum)
- Die in Zielformat gespeicherte Episode (RLDS/LeRobot)
- Chargenstatistiken innerhalb der erwarteten Verteilung
- Zufallsproben, die visuell an einem Punkt überprüft werden
Warum Datenqualität Datenmenge übertrifft
Ein Datensatz von 1.000 hochwertigen, vielfältigen Demonstrationen übertrifft oft 10.000 laute. Qualitätsprobleme
Die 15-Punkte-Qualitätsprüfung
Diese Kontrollen sollten Sie auf jede Menge gesammelten Episoden anwenden, bevor Sie sie Ihrem Trainingssatz hinzufügen.
- Sensorzeitstempeln innerhalb von 10 ms synchronisiert
- Keine abgefallenen Kamerarahmen (Siehe die Anzahl der Rahmen vs. Dauer)
- Aktionswerte innerhalb der physikalischen Gelenkgrenzen
- Keine Aktionsunterbrechungen >2σ von der mittleren Schrittgröße
- Erfolgs-/Niederlageetiketten, die von einem zweiten Prüfer überprüft wurden
- Aufgabe innerhalb der erwarteten Dauergrenzen abgeschlossen
- Keine Selbstkorrektur des Betreibers im Enddatensatz
- Kamera nicht während kritischer Phasen abgeschaltet
- Eigene Empfindung entspricht befohlenen Handlungen
- Greifer-Zustandübergangs in den richtigen Momenten
- Keine doppelten Episoden
- Vollständige Metadatenfelder (Task-ID, Betreiber, Datum)
- Die in Zielformat gespeicherte Episode (RLDS/LeRobot)
- Chargenstatistiken innerhalb der erwarteten Verteilung
- Zufallsproben, die visuell an einem Punkt überprüft werden